基于语义局部参数模型的三维人体形状与姿态概率估计
计算机视觉与模式识别
2021-12-01 v1
摘要
本文研究从RGB图像进行三维人体形状与姿态估计的问题。该任务的一些近期方法预测以输入图像为条件的身体模型参数的概率分布。其动机在于该问题的不适定性：多个三维重建结果均可能与图像证据相符，尤其当身体某些部位被局部遮挡时。然而，广泛使用的身体模型（如SMPL）中的身体形状参数控制着整个身体表面的全局形变。这些全局形状参数上的分布无法有意义地捕捉与局部遮挡身体部位相关的形状估计不确定性。相反，我们提出一种方法：(i) 以语义身体测量值的形式预测局部身体形状上的分布；(ii) 使用线性映射将身体测量值的局部分布转换为SMPL形状参数的全局分布。我们表明，通过在受试者多张图像预测的局部身体测量分布进行概率组合，我们的方法在SSP-3D数据集和一项卷尺测量人体的私有数据集上，在依赖于身份的身体形状估计精度方面优于当前最先进水平（SOTA）。
引用
@article{arxiv.2111.15404,
title = {Probabilistic Estimation of 3D Human Shape and Pose with a Semantic Local Parametric Model},
author = {Akash Sengupta and Ignas Budvytis and Roberto Cipolla},
journal= {arXiv preprint arXiv:2111.15404},
year = {2021}
}
备注
BMVC 2021